臨床ノートから乳がんの表現型を抽出する：LLMと古典的なオントロジー手法の比較

要旨: 腫瘍学の電子カルテ（EMR）に保持されているデータのかなりの部分は、非構造化された医療提供者の記録（プロバイダーノート）に含まれています。そこには、化学療法（またはがん治療）の結果、さまざまなバイオマーカー、腫瘍の部位、患者の腫瘍のサイズや増大（成長）パターンなどが含まれます（これらに限定されません）。臨床研究は、腫瘍内科医の大多数が、EMRの関連する構造化フィールドではなく、自然言語でこれらの価値ある洞察を自らの記録に記載することに対して、十分に抵抗がないことを示しています。本研究の主要な貢献は、腫瘍学領域に焦点を当て、プロバイダーノートを処理して上記の貴重な医療知識および表現型（フェノタイプ）を抽出するための、LLMベースの枠組みを報告することです。本論文では、提案するLLMフレームワークを用いて乳がんに関連する表現型を抽出することに注力し、その後、知識駆動型のアノテーションシステムとNCIt Ontology Annotatorを組み合わせて用いた先行研究と、その性能を比較します。研究結果は、LLMベースの情報抽出フレームワークが、古典的なオントロジーに基づく手法と同等の精度で表現型を抽出するよう、容易に適応できることを示しています。しかしながら、一度学習した後は、他のがん種や疾患に対応するように容易に微調整できることも示されました。